分布式性能测试工具SKyWalking 使用介绍

1:SkyWalking UI 为SkyWalking观测分布式群集提供了默认且强大的可视化功能，它主要分为以下几个区域：

功能选择区：这里列出了主要的UI功能，包括仪表盘、拓扑图、追踪、性能刨析、告警等功能

重新加载区：控制重新加载机制，包括定期重新加载或手动重新加载。

时间选择器：控制时区和时间范围。这里有一个中文/英文切换按钮，默认，UI使用浏览器语言设置。

2:仪表盘
仪表盘又分为以下几个功能：

APM：以全局（Global）、服务（Service）、服务实例（Instance）、端点（Endpoint）的维度展示各项指标。

Database：展示数据库的各项指标。

Event :
Istio :
Istio :
K8s :
SelfObservability：展示OAP服务端的各项指标。

VM :
Web Browser：以服务和页面的维度展示Web浏览器端的各项指标。

相关概念解释：

服务（Service）：表示对请求提供相同行为的一组工作负载，比如：一个的 Web API系统。

服务实例（Instance）：上述的一组工作负载中的每一个工作负载称为一个实例，比如：一个的 Web API 系统集群中的一个实例。

端点（Endpoint）：对于特定服务所接收的请求路径，如 HTTP 的 URI 路径和 gRPC 服务的类名 + 方法签名。

3:APM - 全局（Global）
全局（Global）展示的是所有服务的各项指标，包括：

吞吐量排名，单位为CPM（calls per minute，每分钟的调用次数）。

服务响应时间排名，单位为毫秒。

不健康服务排名，单位为Apdex（Application Performance Index，应用性能指数）。

端点响应时间排名，单位为毫秒。

响应时间百分位，包括 p99, p95, p90, p75, p50，单位为毫秒。

响应时间热力图，单位为毫秒。

相关概念解释：

Apdex：Application Performance Index，应用性能指数， Apdex = (满意样本数 + 可容忍样本数 * 0.5) / 样本总数，满意样本为响应时间小等于Apdex阈值，可容忍样本为响应时间大于Apdex阈值并小等于4倍的Apdex阈值。目前Apdex阈值为0.5秒。

4:APM - 服务（Service）
服务（Service）是以服务的维度展示各项指标，包括：

• Service Apdex（数字）:当前服务的评分
• Service Apdex（折线图）：当前服务评分趋势图
• Service Avg Response Times：服务平均响应时间，单位ms
• Service Response Time Percentile：服务响应时间百分比，单位ms
• Successful Rate（数字）：请求成功率
• Successful Rate（折线图）：请求成功率趋势图
• Servce Load（数字）：每分钟请求数
• Servce Load（折线图）：每分钟请求数趋势图
• Servce Instances Load：服务实例的每分钟请求数
• Slow Service Instance：慢服务实例，单位ms
• Service Instance Successful Rate：服务实例成功率

5:APM - 服务实例（Instance）
服务实例（Instance）是以实例的维度展示各项指标，包括：

• Service Instance Load：当前实例的每分钟请求数

• Service Instance Successful Rate：当前实例的请求成功率
• Service Instance Latency：当前实例的响应延时
• JVM CPU：jvm占用CPU的百分比
• JVM Memory：JVM堆内存，单位MB
• JVM GC Time：JVM垃圾回收时间，包含YGC和OGC
• JVM GC Count：JVM垃圾回收次数，包含YGC和OGC
• JVM Thread Count：JVM线程统计CLR XX：.NET服务的指标，类似JVM虚拟机

APM - 端点（Endpoint）
端点（Endpoint）是以端点的维度展示各项指标，包括：

• Endpoint Load in Current Service：每个端点的每分钟请求数，单位为CPM（calls per minute，每分钟的调用次数）
• Slow Endpoints in Current Service：每个端点的最慢请求时间，单位ms
• Successful Rate in Current Service：每个端点的请求成功率
• Endpoint Load：端点请求数趋势图，单位为CPM（calls per minute，每分钟的调用次数）
• Endpoint Avg Response Time：端点平均响应时间趋势图，单位为毫秒
• Endpoint Response Time Percentile：端口响应时间的百分位数，包括 p99, p95, p90, p75, p50，单位为毫秒
• Endpoint Successful Rate：端点请求成功率

Database
展示数据库（Database）相关的各项指标，包括：

数据库平均响应时间，单位为毫秒。
数据库访问成功率。
数据库吞吐量，单位为CPM（calls per minute，每分钟的调用次数）。
数据库访问百分位，包括 p99, p95, p90, p75, p50，单位为毫秒。
慢查询列表，单位为毫秒。
所有数据库吞吐量排名，单位为CPM（calls per minute，每分钟的调用次数）。
所有数据库成功率排名。

拓扑图
拓扑图可以显示服务之间的拓扑关系，如下图：

服务选择器，可以选择某个服务，显示其直接关系，包括上游和下游。
自定义组，可以创建自定义的任意一组服务，用于显示其一组服务的拓扑图。
点击某些服务的图标，可查看该服务的类型、Apdex、成功率、响应时间、吞吐量、百分位等信息，如下图：

点击服务之间的连线，可查看两个服务之间的响应时间、吞吐量、成功率、百分位等信息，如下图：

点击上图中的展示实例依赖按钮，可查看各个实例之间的响应时间、吞吐量、成功率、百分位等信息，如下图：
技术部 > SkyWalking UI 功能介绍 > image2021-8-31_15-22-52.png

追踪
追踪页面可以查询到某个分布式链路的整体情况，如下图：

搜索条件设置，支持按服务、实例、端点名称、追踪ID、时间范围等条件进行查询。
片段（Segment）列表，点击某个片段（Segment），在右侧展示与片段（Segment）相关的整个追踪（Trace）。
服务列表，是这个追踪（Trace）涉及的所有服务，每个服务用不同的颜色展示。
跨度（Span）列表，是这个追踪（Trace）涉及的所有跨度（Span），还可以看到每个跨度（Span）耗时和层级关系。点击某个跨度（Span），可以看到它的等服务名称、端点名称信息。
追踪（Trace）视图设置，提供3种视图展示追踪（Trace）：列表、树结构、表格、统计信息。
相关概念解释：

追踪（Trace）：一个追踪（Trace）表示一个事务或者流程在分布式系统中的执行过程，是一条完整的分布式调用链。
跨度（Span）：一个跨度（Span）表示系统中具有开始时间和执行时长的逻辑运行单元。跨度（Span）之间通过嵌套或者顺序排列建立逻辑因果关系，最终形成一个追踪（Trace）。
片段（Segment）：一个片段（Segment）表示同一端点内的一组跨度（Span）的集合。
常见的错误可能是由代码异常或网络故障引起的，通过追踪（Trace）视图提供的跨度（Span）细节，可以快速找到错误发生在哪个环节。

性能刨析
性能剖析是利用方法栈快照，并对方法执行情况进行分析和汇总，对代码执行速度进行估算。性能剖析激活时，会对指定线程周期性的进行线程栈快照，并将所有的快照进行汇总分析，如果两个连续的快照含有同样的方法栈，则说明此栈中的方法大概率在这个时间间隔内都处于执行状态。从而，通过这种连续快照的时间间隔累加成为估算的方法执行时间。

创建任务
想要进行性能刨析，我们必须创建一个任务，如下图：

选择指定的服务。
输入端点名称，这里的端点名称通常是第一个片段（Segment）的操作名，在追踪页面的追踪（Trace）视图里可以找到。
选择监控时间，可以从现在开始，也可以从未来的任何时间开始。
选择监视持续时间，可以设置监视的时间窗口，以查找到合适的请求进行性能刨析。
监控间隔，提供了一个过滤器机制，如果给定端点响应的请求很快，它就不会性能刨析，可以确保性能刨析的数据是预期的数据。
最大采样数，表示探针收集的最大数据集，它有助于减少内存和网络负载。
即使性能刨析对目标系统的性能影响非常有限，但它仍然是一个额外的负载，以上设置可以使性能影响可控。另外，在任何时刻，每个服务只能执行一个性能刨析任务。

注：最大采样数目5表示，调用接口必须5次以上 skywalking agent才能监控到，所以外部必须在监控时间内调用访问超过5次

分析结果
等待性能刨析的任务完成后，对应的片段（Segment）就会在右侧展示出来。点击某个片段（Segment），可以更详细地看到各个片段（Segment）的耗时，如下图：

从上图可以看到最慢的片段（Segment）。点击分析按钮，可以看到基于方法栈的分析结果，包括对应的类名、方法名、代码行数、耗时等信息，最慢的方法栈被高亮显示，如下图：

性能剖析的优势
精确的问题定位，直接找到代码方法和代码行；
无需反复的增删埋点，大大减少了人力开发成本；
不用承担过多埋点对目标系统和监控系统的压力和性能风险；
按需使用，平时对系统无消耗，使用时的消耗稳定可控。
告警
在告警页面可以查看所有触发的告警，如下图：

过滤范围的设置包括：服务、服务实例、端点、服务关系、服务实例关系、端点关系等。

默认告警规则
过去 3 分钟内服务平均响应时间超过 1 秒。
最后2分钟服务成功率低于80%
最近 3 分钟内服务响应时间超过 1s 的百分比
服务实例在过去 2 分钟内平均响应时间超过 1s，并且实例名称与正则表达式匹配
过去 2 分钟内端点平均响应时间超过 1 秒
过去 2 分钟内数据库访问平均响应时间超过 1 秒
过去 2 分钟内端点关系平均响应时间超过 1 秒